Свържете се с нас
 Продължителност 21 часa

Съдържание и теми, включени в курса

Въведение

  • Дефиниране на предиктивното изкуствено intelligence
  • Исторически контекст и еволюция на предиктивната аналитика
  • Основен принципи на машинното обучение и добиването на данни

Събиране и предварителна обработка на данни

  • Събиране на съответните данни
  • Почистване и подготовка на данни за анализ
  • Разбиране на типовете данни и източниците им

Експлоративен анализ на данни (EDA)

  • Визуализация на данни за получаване на наблюдения
  • Описателна статистика и обобщаване на данни
  • Идентифициране на модели и връзки в данните

Статистическо моделиране

  • Основи на статистическия извод
  • Регресионен анализ
  • Модели за класификация

Алгоритми за машинно обучение за прогнозиране

  • Преглед на алгоритмите с учително обучение
  • Дървета за решения и случайни гори
  • Невронни мрежи и основи на дълбокото обучение

Оценка и подбор на модели

  • Разбиране на точността и метриките за ефективност на моделите
  • Техники за кръстосана валидация
  • Преподобуване (overfitting) и настройка на моделите

Практически приложения на предиктивното изкуствено intelligence

  • Казуси от различни отрасли
  • Етични съображения при предиктивното моделиране
  • Ограничения и предизвикателства на предиктивното изкуствено intelligence

Практически проект

  • Работа с набор от данни за създаване на предиктивен модел
  • Прилагане на модела за правене на прогнози
  • Оценка и тълкуване на резултатите

Изисквания

  • Разбиране на основната статистика
  • Опит с какъвто и да е език за програмиране
  • Познаване на обработка на данни и електронни таблици
  • Не се изисква предварителен опит в изкуствения intelligence или data science

Целева аудитория

  • IT специалисти
  • Данъчни аналитици
  • Технически персонал

Брой участници


Цена за участник

Отзиви от участници (3)

Предстоящи Курсове

Свързани Kатегории